CN109214710B - 基于三因子的雾霾数值预报结果的评价方法及系统 - Google Patents

基于三因子的雾霾数值预报结果的评价方法及系统 Download PDF

Info

Publication number
CN109214710B
CN109214710B CN201811190015.3A CN201811190015A CN109214710B CN 109214710 B CN109214710 B CN 109214710B CN 201811190015 A CN201811190015 A CN 201811190015A CN 109214710 B CN109214710 B CN 109214710B
Authority
CN
China
Prior art keywords
observation
haze
prediction result
value
spatial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811190015.3A
Other languages
English (en)
Other versions
CN109214710A (zh
Inventor
陆佳政
蔡泽林
徐勋建
冯涛
郭俊
李丽
杨莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811190015.3A priority Critical patent/CN109214710B/zh
Publication of CN109214710A publication Critical patent/CN109214710A/zh
Application granted granted Critical
Publication of CN109214710B publication Critical patent/CN109214710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于三因子的雾霾数值预报结果的评价方法及系统，该方法包括：选取评价区域和评价日期；收集评价区域内的评价日期的多个观测站点的位置坐标以及雾霾观测值；收集评价区域内观测日期的雾霾数值预报结果，并将数值预报结果插值到所述多个观测站点的位置坐标上，得到多个观测站点上的PM2.5含量预报值；根据所述多个观测站点上的PM2.5含量预报值以及雾霾观测值，分别计算数值预报结果的空间集中度得分、空间偏离度得分以及空间相似度得分；综合三个得分进行计算，得到数值预报结果的空间综合得分。本发明能评价雾霾数值预报结果在选定区域内的准确性。

Description

基于三因子的雾霾数值预报结果的评价方法及系统
技术领域
本发明涉及输配电领域及大气环境影响评价领域，尤其涉及一种基于三因子的雾霾数值预报结果的评价方法及系统。
背景技术
雾霾数值预报是指提前一定时间对一定区域的未来时间内雾霾成分浓度及其空间分布做出预测，一般预测未来0-96小时的雾霾成分浓度及其分布。
目前环境科学行业常采取单一观测站的实测值与预报值进行时间序列对比进行预报结果的评价。这种评价方法仅对单一观测站的评价有效，而对于一次雾霾过程的发生、维持与消散的空间整体分布的预测效果无法做出精确的评价。
电力调度需要知道雾霾过程的整体水平，从而进行合理的火电厂发电调度，目前的方法无法准确的描述过程性的雾霾数值预报结果的好坏，因此无法进行精准的排放策略制定。
发明内容
本发明提供一种基于三因子的雾霾数值预报结果的评价方法及系统，以解决目前的雾霾数值预报无法准确的描述过程性的雾霾数值预报结果的好坏的技术问题。
为解决上述技术问题，本发明提供的技术方案为：
一种基于三因子的雾霾数值预报结果的评价方法，包括以下步骤：
选取评价区域和评价日期；
收集评价区域内的评价日期的多个观测站点的位置坐标以及雾霾观测值；
收集评价区域内观测日期的雾霾数值预报结果，并将数值预报结果插值到多个观测站点的位置坐标上，得到多个观测站点上的PM2.5含量预报值；
根据多个观测站点上的PM2.5含量预报值以及雾霾观测值，分别计算数值预报结果的空间集中度得分、空间偏离度得分以及空间相似度得分；
综合三个得分进行计算，得到数值预报结果的空间综合得分。
优选地，方法还包括：将评价区域划分为多个网格，收集评价区域内观测日期的雾霾数值预报结果时，获取每个网格点的雾霾数值预报结果。
优选地，收集评价区域内的评价日期的多个观测站点的雾霾观测值，包括剔除无效数据，得到有效的雾霾观测值。
优选地，将数值预报结果插值到多个观测站点的位置坐标上通过反距离权重方法实现，计算公式为：
Figure BDA0001827267570000021
其中，i表示第i个观测点，dia，dib，dic，did为数值预报结果所在网格点中离第i个观测点最近的四个网格点的距离，Xia，Xib，Xic，Xid则为对应的网格点的雾霾数值预报值。
优选地，数值预报结果的空间集中度得分Gm的计算公式为：
Figure BDA0001827267570000022
其中，
Figure BDA0001827267570000023
表示数值预报结果的集中趋势；
Figure BDA0001827267570000024
表示观测值的集中趋势；
Figure BDA0001827267570000025
表示观测值的波动度；np＝3，表示能够接受的数值预报结果与观测值之间的偏差的量级为σO的np倍。
优选地，数值预报结果的空间偏离度得分Gv的计算公式为：
Figure BDA0001827267570000026
其中，
Figure BDA0001827267570000027
表示数值预报值的空间偏离度。
优选地，数值预报结果的空间相似度得分Gc的计算公式为：
Gc＝(cor(XM，XO)+1)/2，
其中，cor(XM，XO)表示括号内两个数组XM，XO的相关系数。
优选地，到数值预报结果的空间综合得分G的计算公式为：
Figure BDA0001827267570000028
本发明还提供一种基于三因子的雾霾数值预报结果的评价系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果：
本发明的基于三因子的雾霾数值预报结果的评价方法及系统，从预测结果的空间集中度、偏离度和相似度等3方面综合评价雾霾数值预测结果的准确性，可找到制约预报水平的因素，进而针对该因素提升预报水平，能充分客观地度量雾霾数值预报结果在选定区域内预报结果的准确性。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明优选实施例的基于三因子的雾霾数值预报结果的评价方法的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1，本发明的基于三因子的雾霾数值预报结果的评价方法，包括以下步骤：
选取评价区域和评价日期；
收集评价区域内的评价日期的多个观测站点的位置坐标以及雾霾观测值；
收集评价区域内观测日期的雾霾数值预报结果，并将数值预报结果插值到多个观测站点的位置坐标上，得到多个观测站点上的PM2.5含量预报值；
根据多个观测站点上的PM2.5含量预报值以及雾霾观测值，分别计算数值预报结果的空间集中度得分、空间偏离度得分以及空间相似度得分；
综合三个得分进行计算，得到数值预报结果的空间综合得分。
上述步骤，从预测结果的空间集中度、偏离度和相似度等3方面综合评价雾霾数值预测结果的准确性，可找到制约预报水平的因素，进而针对该因素提升预报水平，能充分客观地度量雾霾数值预报结果在选定区域内预报结果的准确性。
实际实施时，本发明还可以进行扩展和优化，以下举例进行说明，实施例仅为了示例说明，不是对技术特征的组合方式进行限制，任何技术特征均可以跨实施例进行合理的组合。
实施例1：
本实施例的基于三因子的雾霾数值预报结果的评价方法，包括以下步骤：
步骤1：选取用于评价数值预报结果的区域。选取的用于评价的区域应当包含一定的雾霾观测站，并且观测站点能持续地开展观测工作并保存观测结果。
步骤2：收集评价区域内的雾霾观测点观测数据及站点经纬度，并从收集的数据中选取观测结果有效的n个站点(去除缺测等无效数据)，得到该区域内有效观测数据XO，XO＝(XO1，XO2，...XOi，...XOn)，其中XOi表示第i个观测站点的观测值，n表示评价区域内总共有n个有效的观测站点。
步骤3：从雾霾数值预报中收集评价区域中的雾霾数值预报结果。
由于雾霾的数值预报结果通常为网格数据(将评价区域划分为多个网格，每个网格点有一个数值预报结果)，而雾霾观测点是不均匀分布在评价区域内的，因此通常需要将雾霾数值预报结果插值到观测点所在位置(经纬度或者坐标位置)。
采用反距离权重法的方法，将距离观测点最近的四个网格点上的预测结果插值到观测站点上，从而得到每个观测点上的雾霾预测结果。计算公式如下：
Figure BDA0001827267570000041
其中i表示第i个观测点，dia，dib，dic，did为数值预报结果所在网格点中离第i个观测点最近的四个格点的距离，Xia，Xib，Xic，Xid则为相应网格点的雾霾数值预报值。
对于评价区域内的第i个观测点上的雾霾预测结果可表示为XMi。对评价区域内的每一个点进行上述操作，可得到所有观测点上的雾霾预测结果XM，XM＝(XM1，XM2，...XMi，...XMn)，其中XMi表示第i个观测站点的预报值，n表示评价区域内总共有n个观测站点。
步骤4：计算评价区域内数值预报结果的空间集中度得分Gm。采用如下公式进行计算：
Figure BDA0001827267570000042
其中max(,)表示取括号中最大的数值；||表示取绝对值；
Figure BDA0001827267570000043
表示数值预报结果的集中趋势；
Figure BDA0001827267570000044
表示观测值的集中趋势；
Figure BDA0001827267570000045
表示观测值的波动度；np，表示能够接受的数值预报结果与观测值之间的偏差的量级为波动度σO的np倍，一般取值为3。
Gm的取值范围为[0,1]，当Gm越接近1时，表征雾霾数值预报结果的空间分布整体水平与观测结果的越一致，预测结果准确度越高；其中，当Gm＝1表征雾霾数值预报结果的空间分布整体水平与观测结果完全一致，预测结果的集中度得分最高。当Gm越接近0时，表征雾霾数值预报结果的空间分布整体水平与观测结果一致性越差，预报结果越不准确；当Gm＝0时，表征表征雾霾数值预报结果的空间分布整体水平与观测结果完全不一致，预测结果十分不准确。
步骤5：计算评价区域内数值预报结果的空间偏离度得分Gv。采用如下公式进行计算：
Figure BDA0001827267570000046
其中
Figure BDA0001827267570000047
表示数值预报值的波动度。
Gv的取值范围为[0,1]，当Gv越接近1时，表征雾霾数值预报结果的空间分布差异性水平与观测结果的越一致，预测结果准确度越高；其中，当Gv＝1表征雾霾数值预报结果的空间分布差异性水平与观测结果完全一致，预测结果的偏离度得分最高。当Gv越接近0时，表征雾霾数值预报结果的空间分布差异性水平度与观测结果一致性越差，预报结果越不准确；当Gv＝0时，表征雾霾数值预报结果的空间分布差异性水平与观测结果完全不一致，预测结果十分不准确。
步骤6：计算评价区域内数值预报结果的空间相似度得分Gc。采用如下公式进行计算：
Gc＝(cor(XM，XO)+1)/2，
其中，cor(，)表示括号内两组数据的的相关系数。
Gc的取值范围为[0,1]，当Gc越接近1时，表征雾霾数值预报结果的空间分布形态与观测结果的越一致，预测结果准确度越高；其中，当Gc＝1表征雾霾数值预报结果的空间分布与观测结果完全一致，预测结果的相似度得分最高。当Gc越接近0时，表征雾霾数值预报结果的空间分布与观测结果一致性越差，预报结果越不准确；当Gc＝0时，表征雾霾数值预报结果的空间分布与观测结果完全不一致，预测结果十分不准确。
步骤7：计算评价区域内，数值预报结果的总得分G，计算公式如下：
Figure BDA0001827267570000051
计算所得到的G即为考虑了雾霾数值预报的空间集中度、波动度和相似度三种比较方法的预测结果评分。
由于Gm、Gv和Gc的取值范围均为[0,1]，所以G的取值范围同样为[0,1]。当G越接近1时，表征雾霾数值预报在综合考虑了雾霾在评分区域的整体浓度水平、空间分布差异性水平和空间分布形态的相似度水平等三种评价要素的情况下，雾霾数值预报结果越准确，当G越接近0时，表征雾霾数值预报在空间集中度、波动度和相似度的情况下评分区域的整体浓度水平、空间分布差异性水平和空间分布形态的相似度水平与实际观测值差异越大，数值预测结果越差。
实施例2：
本实施例为实施例1的应用例，步骤和计算公式与实施例1基本相同。本实施例的基于三因子的雾霾数值预报结果的评价方法，包括以下步骤：
步骤1：选定京津冀地区为预报评价的区域。由于京津冀地区经纬度范围为东经114°至东经120°，北纬36°至北纬42°，因此雾霾数值预报结果选用上述区域作为计算区域。
步骤2：选定2017年12月5日来进行雾霾预报结果评价。京津冀地区共计有79个观测点，在选定的时间，共计有9个观测点无监测数据，因此在本次评价中有效站点为70个。
收集有效站点的观测数据，列表1：
表1有效站点的观测数据表
Figure BDA0001827267570000052
Figure BDA0001827267570000061
由此得到的雾霾观测值数据为Xo＝(35.58,13.04,23.38,…,89.95,66.24)。
步骤3：从雾霾数值预报中收集评价区域中的雾霾数值预报结果。采用反距离权重计算法(如下述公式)，计算每个观测点处的雾霾预报数值。
Figure BDA0001827267570000062
其中，dia，dib，dic，did为数值预报结果所在网格点中离第i个观测点最近的四个格点的距离，Xia，Xib，Xic，Xid则为相应网格点的雾霾数值预报值。
计算得到的观测点处的雾霾数值预报值如表2所示：
表2观测点处的雾霾数值预报值表
Figure BDA0001827267570000063
Figure BDA0001827267570000071
由此得到的雾霾预测值数据为XM＝(33.42,15.55,20.06,…,96.06,69.01)。
步骤4：计算评价区域内数值预报结果的空间集中度得分Gm。应用如下公式进行计算：
Figure BDA0001827267570000072
得到雾霾数值预报结果的空间集中度得分为：Gm＝0.989。
步骤5：计算评价区域内数值预报结果的空间偏离度得分Gv。采用如下公式进行计算：
Figure BDA0001827267570000073
得到雾霾数值预报结果的空间偏离度得分：Gv＝0.996。
步骤6：计算评价区域内数值预报结果的空间相似度得分Gc。采用如下公式进行计算：
Gc＝(cor(XM，XO)+1)/2，
得到雾霾数值预报结果的空间相似度得分：Gc＝0.985。
步骤7：计算评价区域内，数值预报结果的总得分G，计算公式如下：
Figure BDA0001827267570000081
得到雾霾数值预报结果的综合得分：G＝0.990。
实施例3：
本实施例的基于三因子的雾霾数值预报结果的评价系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例的步骤。
综上可知，本发明能够从空间分布的角度评价雾霾数值预测结果准确度，并且能够综合上述三个方面得到一个总的评分，从而用确定的标准来衡量预测水平的好坏，进而为火电厂等源排放单位的发电调度提供支撑。本发明方法的应用，将有利于提升大气环境质量，特别是针对火电厂等源排放单位提升排放控制水平。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于三因子的雾霾数值预报结果的评价方法，其特征在于，包括以下步骤：
选取评价区域和评价日期；
收集评价区域内的评价日期的多个观测站点的位置坐标以及雾霾观测值；
收集评价区域内观测日期的雾霾数值预报结果，并将数值预报结果插值到所述多个观测站点的位置坐标上，得到多个观测站点上的PM2.5含量预报值；所述将数值预报结果插值到所述多个观测站点的位置坐标上通过反距离权重方法实现，计算公式为：
Figure FDA0003324291580000011
其中，i表示第i个观测点，dia，dib，dic，did为数值预报结果所在网格点中离第i个观测点最近的四个网格点的距离，Xia，Xib，Xic，Xid则为对应的网格点的雾霾数值预报值；
根据所述多个观测站点上的PM2.5含量预报值以及雾霾观测值，分别计算数值预报结果的空间集中度得分、空间偏离度得分以及空间相似度得分；
所述数值预报结果的空间集中度得分Gm的计算公式为：
Figure FDA0003324291580000012
其中，
Figure FDA0003324291580000013
表示数值预报结果的集中趋势；
Figure FDA0003324291580000014
表示观测值的集中趋势；其中Xoi表示第i个观测站点的观测值；
Figure FDA0003324291580000015
表示观测值的波动度；np＝3，表示能够接受的数值预报结果与观测值之间的偏差的量级为σo的np倍；
所述数值预报结果的空间偏离度得分Gv的计算公式为：
Figure FDA0003324291580000016
其中，
Figure FDA0003324291580000017
表示数值预报值的空间偏离度；
所述数值预报结果的空间相似度得分Gc的计算公式为：
Gc＝(cor(XM,Xo)+1)/2，
其中，cor(XM,Xo)表示括号内两个数组XM,Xo的相关系数；
综合三个得分进行计算，得到数值预报结果的空间综合得分。
2.根据权利要求1所述的基于三因子的雾霾数值预报结果的评价方法，其特征在于，所述方法还包括：将评价区域划分为多个网格，收集评价区域内观测日期的雾霾数值预报结果时，获取每个网格点的雾霾数值预报结果。
3.根据权利要求2所述的基于三因子的雾霾数值预报结果的评价方法，其特征在于，所述收集评价区域内的评价日期的多个观测站点的雾霾观测值，包括剔除无效数据，得到有效的雾霾观测值。
4.根据权利要求1所述的基于三因子的雾霾数值预报结果的评价方法，其特征在于，所述到数值预报结果的空间综合得分G的计算公式为：
Figure FDA0003324291580000021
5.一种基于三因子的雾霾数值预报结果的评价系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4中任一所述方法的步骤。
CN201811190015.3A 2018-10-12 2018-10-12 基于三因子的雾霾数值预报结果的评价方法及系统 Active CN109214710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811190015.3A CN109214710B (zh) 2018-10-12 2018-10-12 基于三因子的雾霾数值预报结果的评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811190015.3A CN109214710B (zh) 2018-10-12 2018-10-12 基于三因子的雾霾数值预报结果的评价方法及系统

Publications (2)

Publication Number Publication Date
CN109214710A CN109214710A (zh) 2019-01-15
CN109214710B true CN109214710B (zh) 2022-03-08

Family

ID=64980029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811190015.3A Active CN109214710B (zh) 2018-10-12 2018-10-12 基于三因子的雾霾数值预报结果的评价方法及系统

Country Status (1)

Country Link
CN (1) CN109214710B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978271A (zh) * 2019-03-29 2019-07-05 国网湖南省电力有限公司 一种基于雾霾预测的火电厂开机策略优化方法及系统
CN110045440B (zh) * 2019-04-26 2021-03-09 国网湖南省电力有限公司 一种大气雾霾数值预报的集合预报方法及系统
CN113344696B (zh) * 2021-06-28 2024-05-28 深圳前海微众银行股份有限公司 一种头寸预报评估方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955742A (zh) * 2014-04-28 2014-07-30 淮阴工学院 一种基于集成学习的pm2.5预报方法
CN104965558A (zh) * 2015-05-27 2015-10-07 华北电力大学（保定） 一种考虑雾霾因素的光伏发电系统最大功率跟踪方法及装置
CN105184423A (zh) * 2015-10-20 2015-12-23 国家电网公司 一种风电场集群风速预测方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统
CN107436277A (zh) * 2017-07-12 2017-12-05 广东旭诚科技有限公司 基于相似距离判别的单指标数据质量控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8566067B2 (en) * 2009-05-29 2013-10-22 Daniel P. Johnson Method of modeling the socio-spatial dynamics of extreme urban heat events

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955742A (zh) * 2014-04-28 2014-07-30 淮阴工学院 一种基于集成学习的pm2.5预报方法
CN104965558A (zh) * 2015-05-27 2015-10-07 华北电力大学（保定） 一种考虑雾霾因素的光伏发电系统最大功率跟踪方法及装置
CN105184423A (zh) * 2015-10-20 2015-12-23 国家电网公司 一种风电场集群风速预测方法
CN106845371A (zh) * 2016-12-31 2017-06-13 中国科学技术大学 一种城市路网机动车尾气排放遥感监控系统
CN107436277A (zh) * 2017-07-12 2017-12-05 广东旭诚科技有限公司 基于相似距离判别的单指标数据质量控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于系统动力学的城市工业生长综合模型构建及应用;徐健;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20170215(第02期);C038-241 *
输电线路覆冰厚度短期多变量灰色预测模型研究;刘宏伟, 等;《高电压技术》;20151031;第41卷(第10期);3372-3377 *

Also Published As

Publication number Publication date
CN109214710A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109214710B (zh) 基于三因子的雾霾数值预报结果的评价方法及系统
CN104853435B (zh) 一种基于概率的室内定位方法和装置
CN104038901B (zh) 一种减少指纹数据采集工作量的室内定位方法
CN110536257B (zh) 一种基于深度自适应网络的室内定位方法
KR102293631B1 (ko) 금속 재료의 부식량 예측 방법, 금속 재료의 선정 방법 및 금속 재료의 부식량 예측 장치
Badescu Assessing the performance of solar radiation computing models and model selection procedures
CN109378031B (zh) 一种基于植保和气象信息结合的水稻纹枯病预测方法
CN103954638A (zh) 一种大晶粒取向硅钢的织构测量方法
CN116183845B (zh) 一种饮用水水质检测分析评估方法及系统
CN104155323A (zh) 一种测量大晶粒硅钢织构的分析方法
CN112580844A (zh) 气象数据处理方法、装置、设备及计算机可读存储介质
CN109803234B (zh) 基于权值重要度约束的无监督融合定位方法
CN114329854A (zh) 一种基于多目标约束的二维空间视觉传感器布局优化方法
CN107995684B (zh) 提升位置指纹的wlan室内定位精度方法及系统
CN108051676B (zh) 一种雷电流幅值累积概率分布曲线拟合计算方法
CN108304649B (zh) 一种高层建筑形变预测方法
CN114269006B (zh) 一种基于信息增益率的室内ap聚类选取方法和设备
CN116150574A (zh) 一种输电线路的覆冰分析方法、系统、设备及存储介质
CN114329855B (zh) 一种无线视觉传感网络的传感器布局优化与快速部署方法
EP3955587A1 (en) Machine learning device
CN111062577B (zh) 一种基于gis的变电站选址方法
CN110175740B (zh) 一种基于Kriging代理模型的场景分析实现方法
CN111629321A (zh) 基于离群点剥离的中值卡尔曼滤波的定位方法
CN113128058A (zh) 温度廓线的反演方法、装置、可读存储介质和电子设备
CN116701371B (zh) 协方差分析下大气温度数据缺失值插补方法及其插补装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant